Mistral AI publie les poids de Mistral Large 4, son modèle à 1 000 000 000 000 de paramètres

Les équipes de sécurité et les entreprises régulées peuvent désormais télécharger un modèle de calibre frontière et garder chez elles le code sensible, les journaux et les données d'incident. Elles disposent ainsi d'une alternative aux modèles hébergés d'OpenAI et d'Anthropic, dont un fournisseur peut modifier l'accès. Les résultats de tests indépendants restent inconnus. La précision sur les contextes longs et le coût réel d'exploitation d'un modèle à 1 000 000 000 000 de paramètres le sont aussi.

Mistral AI ouvre les poids

Mistral AI a déposé les poids sur Hugging Face et sert le même modèle via sa propre API.

La société le surnomme Le Chonk. Le modèle est nativement multimodal et prend en entrée du texte et des images. Mistral Large 4 compte environ 1 000 000 000 000 de paramètres au total. Seule une fraction s'active à chaque requête : environ 52 000 000 000 de paramètres actifs dans une architecture de mélange d'experts, selon deux rapports. Un troisième rapport avance environ 49 000 000 000 de paramètres actifs pour un total d'environ 1 050 000 000 000. C'est cette conception creuse qui rend un modèle de cette taille exploitable, car le réseau complet ne s'active pas pour chaque token.

Pourquoi les équipes de sécurité s'y intéressent

Mistral AI a présenté cette publication sous l'angle du travail de sécurité. Ce travail comprend la recherche de vulnérabilités, leur reproduction dans un bac à sable et la correction du code sans casser de fonctionnalités.

Pierre Stock, vice-président science de Mistral AI, estime que des poids téléchargeables protègent contre un fournisseur qui couperait l'accès. « Une fois les poids publiés en open source, ils sont partout sur internet. Il est impossible d'en couper l'accès », a-t-il déclaré aux journalistes. Il a ajouté qu'« on ne veut pas vivre dans un monde où son voisin peut couper l'électricité du jour au lendemain ». La société annonce un score de 51 % sur l'Artificial Analysis Cyber Index et un taux de refus de 96,6 % sur les requêtes de cybersécurité malveillantes testées.

Le double usage est l'objection évidente. Rafe Pilling, directeur senior du renseignement sur les menaces chez Sophos, parle d'« une technologie clairement à double usage ». Tout ce qui est téléchargeable et sans entrave, dit-il, peut être détourné autant que mis au service de tâches productives.

Les chiffres revendiqués

La plupart des performances annoncées viennent de Mistral AI elle-même.

La société rapporte 48 % sur l'Artificial Analysis Coding Agent Index. Elle affirme que le modèle consomme en moyenne 47 % de tokens en moins par tâche que GLM-5.3. TechRepublic indique que ces 48 % placent le modèle à égalité avec GLM-5.3 ; lavx.hu donne GLM-5.3 un point devant, à 49. Sur Terminal-Bench 4.0, Mistral AI annonce 41 %, contre 28 % en préversion, soit 13 points de pourcentage de plus. Elle annonce aussi 73,3 % sur les flux financiers Finch et 84,5 % sur BrowseComp.

La résistance aux attaques sur le B3 Agent Security Benchmark monte à 97,1 %, contre 93,3 % en préversion. La société a fourni ces chiffres.

Le coût de l'exploitation

Le point de contrôle quantifié pèse à lui seul 606 Go. Un hébergement en pleine précision exige donc une capacité GPU considérable. La licence est une licence MIT modifiée. Elle autorise l'usage gratuit, la modification, l'affinage et la commercialisation. Les entreprises qui proposent le modèle en service ont besoin d'une licence commerciale distincte. Pour les équipes qui préfèrent louer, l'API coûte 0,70 dollar par million de tokens en entrée, 0,07 dollar pour l'entrée mise en cache et 2,10 dollars en sortie.

Mistral AI a entraîné le modèle sur des GPU Nvidia GB200. Elle a utilisé ses propres centres de données européens. Un compte rendu évoque 3 840 GPU pendant 45 jours, soit environ 4 150 000 heures GPU ; lavx.hu rapporte environ 4 000 GPU sur deux mois. Les organisations qui l'hébergent ont toujours besoin d'expertise technique. Il leur faut aussi des processus de sécurité pour l'exploiter et le surveiller elles-mêmes. Mistral AI n'a pas non plus publié de courbe de précision sur contextes longs pour la fenêtre de 1 000 000 de tokens, note shattered.io.

La concurrence des poids ouverts

Le combat le plus proche se joue avec les modèles chinois à poids ouverts.

Le PDG Arthur Mensch décrit l'IA comme « un outil d'autonomisation, pas de domination ».

La société affirme que les entreprises et les administrations obtiennent « des capacités de cyberdéfense de niveau frontière qu'elles peuvent pleinement posséder et contrôler ». Reste à savoir si l'avance aux tests tient hors des bancs d'essai. Le coût matériel d'un déploiement en pleine précision n'est pas non plus établi.